AI 驱动的道路养护巡检 v2：降低数据依赖与量化道路损伤
计算机视觉与模式识别
2022-10-10 v1
摘要
道路基础设施养护巡检通常是一项劳动密集型的关键任务，关乎所有道路使用者的安全。现有最先进的人工智能（AI）目标检测与分割技术在具备充足标注数据时可实现该任务很大一部分的自动化。然而，从零开始标注视频成本高昂。例如，标注一段以30 FPS录制的5分钟视频，标注者可能需耗费数天。因此，我们提出一种自动标注流水线，通过运用少样本学习与分布外检测等技术为道路损伤检测生成标签。此外，我们的流水线通过对实例量化对每个损伤进行风险因子评估，以排定修复优先级，从而优化道路养护机械的部署。我们表明，采用这些技术训练的 AI 模型不仅能以更少的人工标注需求更好地泛化至未见的真实世界数据，还能提供养护紧迫性的估计，进而造就更安全的道路。
引用
@article{arxiv.2210.03570,
title = {AI-Driven Road Maintenance Inspection v2: Reducing Data Dependency & Quantifying Road Damage},
author = {Haris Iqbal and Hemang Chawla and Arnav Varma and Terence Brouns and Ahmed Badar and Elahe Arani and Bahram Zonooz},
journal= {arXiv preprint arXiv:2210.03570},
year = {2022}
}
备注
Accepted at IRF Global R2T Conference & Exhibition 2022